DeepSeek只招落地工程师，AI进入工程时代
DeepSeek最新招聘150人全部为工程落地岗，腾讯文档推出AI工作台，欧莱雅用AI开拓男性市场。AI竞争从模型研发转向场景落地，企业必须把AI从内容生成器升级为业务生产力。
DeepSeek最新一轮招聘，开放约150个名额，岗位全部集中在工程落地方向，没有一个AI研究类岗位。
这句话的冲击力，不亚于一家汽车公司突然宣布不再招设计师，只招修车师傅。作为国产大模型厂商中“小而精”的代表，DeepSeek一直以极致的研发密度和模型能力著称。但这一次，它的招聘画风突变。150个名额，清一色服务端开发、Agent框架、API服务、数据工程。没有算法研究员，没有预训练科学家。这释放了一个再明确不过的信号：AI的竞争，已经过了拼论文和跑分的阶段，正式进入拼工程、拼场景、拼谁能把模型塞进真实业务里干活的阶段。对于中国企业的老板和营销负责人来说，这个信号比任何行业报告都更真实——如果连DeepSeek都不再为“研究”扩编，你的团队还停留在“用AI写个文案、出张图”的浅层阶段，就真的危险了。
一、招聘结构变化，暴露行业竞争坐标的迁移
先看DeepSeek这次招聘的细节。根据其发布的招聘信息，本轮分为两大序列。第一个序列是服务端开发工程师，覆盖大模型研究平台、Agent框架组件、研发效率基建、DeepSeek API、线上服务、数据工程六大方向。第二个序列是Agent弹性计算研发工程师，又分为平台开发和底层系统两个方向。所有岗位都明确要求具备2至10年工作经验的资深工程师。
注意，不是应届生，不是研究员，不是产品经理。是资深工程师。而且是做“研究平台”和“Agent框架”的工程师。这意味着什么？意味着DeepSeek的研究成果已经足够多，现在缺的是把研究成果包装成可调用、可扩展、可维护、可计费的产品基础设施的人。换句话说，模型能力暂时够用了，工程能力成了新的瓶颈。
如果把时间拉回到今年6月，DeepSeek还搞过一次“全部门扩招”的综合招聘。那时候还带着些广撒网的味道。短短三个月，招聘策略就从“面”收缩到“线”，再从“线”聚焦到“点”。这个变化不是孤立的。同一周，腾讯文档宣布推出“AI工作台”，基于WorkBuddy提供的Agent内核框架，结合腾讯文档自研的编辑引擎和专业Skill，让AI从单纯生成内容，进一步进入真实文件和办公任务的完整流程。阿里也在同一时间发布数字员工产品QoderWake 1.0，用户一句话描述岗位需求，就能生成一份角色文档，配置后得到一个理解工作职责、协作关系、工作权限的数字员工，内置前端、后端、产品经理、内容运营、数据分析师、项目管理员、UI设计师等10个岗位。
这些动作串起来看，是一条清晰的脉络：AI厂商不再只卖模型能力，而是在卖“能把活干完”的工程能力。模型是发动机，工程是变速箱、底盘和方向盘。没有后者，发动机再强也只是实验室里的轰鸣。
二、从“生成内容”到“完成任务”，AI产品逻辑变了
过去一年多，企业使用AI的主流姿势是“生成”。写文案、做图、剪视频、出PPT。这些当然有价值，但价值天花板很低。因为生成出来的内容，还需要人来判断、修改、排版、上传、分发。AI像一个聪明的实习生，能出活，但不会交付。现在，头部厂商在推的产品，本质上是让AI从“实习生”变成“初级员工”。
腾讯文档的“AI工作台”是一个典型。它不只是让AI写一段文字，而是让AI进入文档这个工作场域，直接修改原文件。此前上线的“人机双写”功能也融入其中，AI不仅能生成内容，还能直接改原文件。这意味着什么？意味着AI开始触碰企业的真实资产——文件、表格、流程、权限。一个营销团队做月度复盘，过去是AI生成一段总结，人复制粘贴到文档里，再手动调整格式。现在可以是AI直接打开文档，读取历史数据，写入分析段落，调整表格结构，甚至留下修改痕迹供人审阅。这个变化看似微小，实则巨大。因为它把AI从“内容生产工具”升级为“工作流执行者”。
阿里的QoderWake走得更远。它直接生成“数字员工”。用户只需要一句话描述岗位需求，系统就生成一份角色文档，用户修改配置确认后，就得到一个理解工作职责、协作关系、工作权限的数字员工。内置的岗位包括内容运营、数据分析师、项目管理员。这已经不是工具，而是组织里的一个新角色。虽然目前这个产品还处于1.0版本，岗位覆盖和定价模式都还有待官方进一步披露，但它的方向已经足够明确：AI不再只是帮你写东西，而是替你干活。
这种产品逻辑的转变，对企业提出了一个非常现实的要求：你必须重新理解“用AI”这件事。过去，用AI是“人+工具”，人是主体，工具是辅助。现在，用AI正在变成“人+数字员工”，人是管理者，数字员工是执行者。管理工具和管理员工，是完全不同的两种能力。前者需要你会写提示词，后者需要你会定义角色、拆分任务、制定验收标准、处理异常情况。
三、营销端的落地样本：欧莱雅用AI打开男性市场
如果说腾讯和阿里的产品还在“办公”场景，那欧莱雅的做法则直接打到了营销决策的核心。今年早些时候，欧莱雅意识到自己在大部分广告投放中忽略了男性受众，错过了一批潜在客户。于是它决定在澳大利亚和新西兰的CeraVe护肤产品上，开发一个专门面向男性的营销活动。但问题在于，CeraVe品牌此前从未在当地市场针对男性做过广告定制，团队缺乏创意灵感和受众数据。
于是欧莱雅转向AI作为创意策略的“共鸣板”。它和澳大利亚一家叫Springboards的创意AI初创公司合作。Springboards不仅为欧莱雅的头脑风暴会议带来了目标市场的地理洞察，还为品牌的创意实验提供了数据基础。这件事的意义不在于“AI又帮品牌做了一次campaign”，而在于AI切入的位置发生了变化。它不是生成广告素材，而是帮助品牌发现一个被忽视的受众群体，并提供数据支撑去验证这个判断。
这才是AI对营销的真正价值：不是更快地生产物料，而是更早地看见机会。过去，一个CMO要做“男性护肤市场”的判断，可能需要做三轮消费者调研、买两份行业报告、开五次跨部门会议。现在，AI可以从社交数据、搜索趋势、竞品投放中快速聚合信号，把“可能有机会”变成“数据支持的机会假设”。人再做最终的创意判断和品牌把关。这种协同，才是有商业意义的AI营销。
但硬币的另一面是，AI对营销行业的冲击同样猛烈。同一期的监测信息提到，AI聊天机器人正在吞噬用户参与度，阻止用户点击进入网站，这对出版商的收入底线构成了最大威胁。有人在讨论谷歌广告业务的反垄断判决，但真正的威胁根本不是谷歌，而是用户不再点进网站了。当用户直接问AI“哪个护肤品牌适合我”，AI给了一个答案，用户就结束了。品牌的内容、投放、SEO，全部失效。这意味着，企业的营销阵地必须从“搜索结果页”和“媒体网站”迁移到“AI的回答里”。而被AI引用、被AI推荐、被AI作为答案来源，正在成为新的数字营销核心能力。这不是未来的趋势，是正在发生的现实。
四、三个判断：企业必须从“用AI”转向“用AI干活”
综合DeepSeek的招聘、腾讯和阿里的产品、欧莱雅的实践，可以得出三个清晰的判断。
第一个判断：AI竞争的胜负手，已经从“模型参数”转向“工程交付”。 模型能力在收敛，头部几家在通用能力上已经没有不可逾越的代差。真正拉开差距的，是谁能更快地把模型能力变成稳定、便宜、易用的API，谁能做出更顺滑的Agent框架，谁能把推理成本降到企业愿意大规模使用。这跟当年云计算竞争的逻辑如出一辙。早期大家拼的是虚拟机性能，后期拼的是数据库、中间件、运维工具、成本控制。现在AI厂商也开始拼工程底座了。
第二个判断：企业的AI投入，必须从“个人尝鲜”转向“组织能力”。 很多公司的现实是，老板买了ChatGPT Plus，市场部用Midjourney出了几张图，内容团队用Kimi写了几篇稿。这些是个人尝鲜，不是组织能力。真正的组织能力，是把AI嵌入到流程里。比如，新品上市前的用户需求洞察，能不能让AI先跑一遍社交数据？月度内容规划，能不能让AI基于历史数据给出选题建议，再让人来拍板？投放复盘，能不能让AI自动拉取多平台数据，生成异常波动分析，再让人来做策略调整？这些事情，单靠员工个人的AI使用习惯是做不到的。它需要公司层面定义流程、准备数据、建立质量标准。
第三个判断：营销团队的AI角色，正在从“内容生产者”变成“AI工作流设计者”。 过去，营销人写文案、做海报、剪视频。未来，这些动作大部分会被AI完成。营销人的核心价值，变成设计一条让AI高效产出并符合品牌调性的工作流。比如，你能不能定义出一个“品牌内容风格提示词库”，让所有AI生成的内容都带有统一的品牌语气？你能不能搭建一个“竞品监测Agent”，每天自动抓取竞品动态并生成简报？你能不能训练出一个“用户反馈分析助手”，自动对客服记录和社交媒体评论进行情绪分类，并提取产品改进建议？这些能力，比会写几句Prompt重要得多。
五、四个动作：企业现在就能做的事
面对这场AI落地潮，中国企业的老板和CMO不需要等完美的技术方案，现在就可以做四件事。
第一，盘点团队里谁在用AI，但更重要的是谁在用AI改变工作方式。 找出一两个真正把AI嵌进日常流程的人，让他们成为内部“AI工作流”的种子。不要只奖励那些“用AI写了多少篇文案”的人，要奖励那些“把AI写文案的流程固定下来，让全团队每天节省两小时”的人。前者是消费者，后者是建设者。
第二，选择一个高管日常能直接感知的业务场景，做端到端的AI试点。 不要一上来就搞“全公司AI转型”。选一个具体的、高频的、结果可量化的场景。比如，客服的工单自动分类、营销活动的复盘报告自动生成、电商详情页的批量测试文案生成。让业务负责人自己用，自己感受效率差。只有高管自己觉得好用，才会推动资源投入。
第三，建立企业自己的“AI工作流资产库”。 包括品牌语气指南、常用提示词模板、数据接口规范、质量验收标准。这些是组织记忆，不能只存在于某个员工的电脑里。每一个成功的AI应用案例，都要沉淀成可复用的模板，让新员工也能快速上手。没有资产库，AI能力就会随着人员流动而流失。
第四，重新定义营销团队的KPI。 如果KPI还是“产出内容数量”，那AI只会被用来灌水。如果KPI变成“内容带来的有效线索数”“用户对品牌内容的信任度提升”“AI工作流节省的人均工时”，那团队自然会去思考如何让AI干活更有质量。考核什么，团队就优化什么。这是管理常识，在AI时代同样适用。
这些动作没有一个是技术难题，全是管理问题。而管理问题的本质，是认知问题。你相不相信AI已经从“生成工具”变成了“生产力主体”？你愿不愿意把一部分决策权和执行权让渡给数字员工？你敢不敢要求团队把AI当成一个必须管理的“新员工”，而不是一个随手用的“新软件”？这三个问题的答案，决定了一家企业在AI时代的真实水位。
DeepSeek用150个工程岗告诉市场：模型够用了，现在缺的是干活的人。腾讯文档用AI工作台告诉用户：AI可以进文档干活了。欧莱雅用Springboards告诉营销人：AI可以帮你看见看不见的消费者。这些信号拼在一起，就是一张新地图。地图上写着一句话：AI不再炫技，而是算账。企业现在要做的，不是问AI能做什么，而是问——我的团队，准备好让AI干活了吗？